[发明专利]一种基于视频的人脸跟踪识别技术

说明书

技术领域

本发明属于模式识别技术领域，具体涉及一种自底向上的基于离线视频的人脸跟踪识别方法。 

背景技术

人脸识别技术作为一种典型的生物特征识别技术，以其自然性、高可靠性、高自动化程度等优点受到人们的青睐，在国家公共安全、司法领域、人机交互、广电行业等方面有着广泛的应用前景。比如，公共安全行业需要在海量视频中查找锁定特定人的活动区域和活动时段或者广电行业的节目编辑中的人脸的马赛克处理，都需要用到离线视频中人脸的跟踪识别技术。 

在一些视频媒体库中，如果要找出某人的活动时段，传统的方法主要依靠人工进行视频浏览，其工作量之大和工作效率之低可想而知。比如，在电视节目的非线性编辑中，经常需要对某些特定嘉宾进行人脸马赛克处理，传统方式是对每一帧进行处理，手动选择人脸区域作为遮盖，工作量巨大。 

现有的人脸图像跟踪技术领域的通用方法主要是Mean Shift算法，构造运动模型进行跟踪，但其基于肤色，在实际应用中存在着功能缺陷。尤其是当同一人脸间断出现时，基于颜色的跟踪算法将无法持续原来的跟踪序列。而且现有的人脸检测模式，借助积分图像来快速计算Haar小波特征，然后利用AdaBoost统计学习方法来训练和构造分类器。现有技术，也有采用LBP运算，利用直方图匹配实现人脸图像识别的，但是以上技术的缺陷在于，处理速度仅限于320×240大小的视频序列下才能达到实时处理，而对于超过640×480幅面的视频，尤其是1920×1080幅面的高清视频，进行人脸识别检测时，远远不 能实现实时处理。而本发明提供的技术，能够精确地识别出特定人在不同时刻的人脸状态，且能处理跟丢的情况，且具有良好的鲁棒性，并能够实现在面对标清视频(幅面720×576)甚至高清视频(幅面1920×1080)时达到超实时处理速度。另外，现有的人脸识别技术都是采用标准图像与待识别图像的单幅对比匹配来实现人脸识别，从未披露过如何实现视频片段的人脸识别。将现有技术的单幅图像对比匹配的方法应用到视频时，需要将标准图像特征参数与整段视频的每一帧图像进行对比，计算量非常大，尤其当视频较长时，计算量巨大，对计算机硬件要求非常高。例如一个5分钟的视频，其帧数达5min×60second/min×25frame/second＝7500frame。而应用本发明提供的技术，计算机能够首先正确地标识出每个人在整个视频中出现的位置和时间段，将应用追踪算法聚类出一个个同一人脸连续活动区域序列，然后在每个序列中算出5张最优人脸，并提取出人脸特征与其他序列的5张最优人脸所提取的人脸特征进行对比匹配，依据对比结果将同一个人的不同时间段人脸序列归为一类。本发明避免了对视频中的每一帧图像进行对比，极大优化了识别技术，提高了工作效率。(参考文献：【1】ZL200410098619.7号“一种基于模板匹配的人脸识别方法”的发明专利；【2】ZL200710148229.X号“人脸识别方法和系统”的发明专利) 

发明内容

本发明的另一目的在于，提出了基于视频的自底而上的人脸跟踪识别方法，将人脸活动位置聚类成人脸活动区域序列，解决了离散视频中的传统人脸跟踪中人脸丢失后无法跟回的问题，并且对高清视频的处理速度能达到超实时。 

本发明的另一目的在于，针对大幅面视频，采用了下采样的方法，同时使 用分块的LBP算子(Block-BLP)提取特征训练人脸检测器，加快检测速度，克服了现有技术中人脸检测识别对高清视频无法实现实时处理的问题。 

本发明的另一目的在于，采用剔除噪音人脸区域和连接断点处的人脸区域的预处理程序，克服了现有技术中人脸检测时误检和漏检的问题。 

本发明的另一目的在于，采用人脸质量评价体系，在每个人脸活动区域序列中挑选出最优人脸图像进行特征提取，这既能保证序列的分类正确性，又大大的减少了特征提取与人脸对比的次数，明显的提高了处理过程。 

为了达到本发明的目的，本发明提供了一种基于视频的人脸跟踪识别技术，该方法包括： 

a、逐帧检测解码后的视频中的人脸数和人脸位置信息； 

b、将人脸数和人脸位置信息归并成人脸活动位置序列； 

c、对人脸活动位置序列进行预处理； 

d、采用追踪算法，将人脸活动位置序列聚类成同一人的人脸在某一时间段上的连续活动区域序列； 

e、对序列中的所有人脸进行人脸质量评价，每个序列挑选出最优人脸，进行归一化处理； 

f、对归一化的人脸图像在频域中进行Gabor变换； 

g、对变换后的图像进行直方图统计，求得特征值；